Compilación de agentes en Azure Databricks

Azure Databricks admite la creación, evaluación e implementación de agentes, desde simples llamadas a modelos de lenguaje grande (LLM) hasta agentes que invocan herramientas y sistemas multiagente. En estas guías se tratan los conceptos, los flujos de trabajo de desarrollo y las herramientas que se usan para enviar un agente.

¿Buscas aprendizaje automático clásico o aprendizaje profundo? Consulte aprendizaje automático en Azure Databricks.

Comenzar

Pruebe un inicio rápido o aprenda los conceptos fundamentales.

Guía	Description
Patio de Juegos de IA	Cree prototipos y pruebe agentes y LLM con ingeniería de indicaciones sin código y ajuste de parámetros.
Introducción a los agentes	Compile e implemente el primer agente de un extremo a otro.
Conceptos: IA en Azure Databricks	Obtenga información sobre modelos, agentes, herramientas y aplicaciones.
Ciclo de vida de desarrollo del agente	Comprenda el ciclo de vida completo de la creación de un agente.

Compilación e implementación

Desarrollar e implementar agentes.

Feature	Description
Asistente de conocimiento	Cree y optimice bots de chat del agente de control de calidad específicos del dominio.
Agente supervisor	Crea un agente supervisor que coordine los agentes de Genie, los puntos de conexión de los agentes, las funciones de Unity Catalog, los servidores MCP y los agentes personalizados.
Agentes personalizados	Compile e implemente agentes, incluidas las aplicaciones RAG y los sistemas multiagente, con Python.
Aplicaciones de Databricks	Compile e implemente interfaces de usuario interactivas para los agentes, como aplicaciones de chat y formularios de entrada de datos.
Servidores MCP	Conecte agentes a herramientas, datos y flujos de trabajo a través de servidores MCP estandarizados.
AI Search (anteriormente Databricks Vector Search)	Consulte un índice de búsqueda de IA administrada para recuperar texto relevante y datos no estructurados.

Evaluación y supervisión

Seguimiento, evaluación y supervisión de agentes en desarrollo y producción.

Feature	Description
Evaluación y supervisión	Evalúe la calidad del agente y supervise las implementaciones de producción.
Seguimiento de MLflow	Registre y analice el comportamiento del agente para depurar y mejorar el rendimiento.

Consultar y proporcionar

Consulte LLM y proporcione agentes y modelos en puntos de conexión escalables.

Feature	Description
Consultar LLMs y agentes en Azure Databricks	Consulte LLM y agentes desde notebooks, SQL y aplicaciones.
Modelos de base	Ofrezca LLM mediante API escalables con gobernanza y monitorización integradas.
Puerta de enlace de INTELIGENCIA ARTIFICIAL de Unity	Gestione y supervise el acceso a LLM y agentes con seguimiento de uso, registro de cargas y controles de seguridad.
Funciones de IA	Llame a LLM directamente desde SQL para enriquecer los datos y crear flujos de trabajo de IA.